다목적 최적화는 빠른 평가기뿐 아니라 유용한 절충안을 유지하는 선택, 정확한 문제 공식, 재시작 가능한 상태가 필요합니다. 베이징 시간 2026년 10월 8일 공개된 EvoMO v0.3.1은 문서를 보강합니다. 주요 알고리즘 확장과 수정은 9월 24일 v0.3.0에 포함되었습니다.

서로 경쟁하는 목적 지형 위에 놓인 다양한 탐색 도구

개념 삽화: 서로 다른 알고리즘이 유용한 절충안을 탐색합니다.

공통 텐서 기반에서 더 많은 알고리즘 비교

v0.3.0은 텐서화 다목적 알고리즘 48개를 추가합니다. 공통 기반은 같은 평가 흐름의 비교를 쉽게 하면서 각 방법의 선택, 변이, 상태 갱신 차이를 유지합니다.

경쟁 목적을 연구할 때 문제, 결정 경계, 개체 수, 평가 예산을 고정하고 알고리즘만 바꿀 수 있습니다. 가치는 다양한 탐색 동작을 이용하는 데 있습니다. 알고리즘 수만으로 특정 과제의 더 좋은 절충안이 입증되지는 않습니다.

정확성 수정은 비교 자체에 영향

여러 방법의 개체군 갱신과 선택을 수정합니다. 비지배 정렬은 환경 선택에 필요한 경계 프런트를 완성한 뒤 멈추며, 혼잡 거리는 상수 목적, 작은 개체군, 마스크, 장치 배치를 처리합니다. PyTorch가 기본이고 선택적 Triton은 명시적으로 사용하는 실험 기능입니다. 선택 변경

ZDT1–4와 ZDT6는 행별 평가 및 ZDT6의 차원 의존 계산을 수정합니다. Monte Carlo 하이퍼볼륨은 최소화, 참조점, 빈 입력, 샘플링 장치를 수정합니다. 기존 연구가 해당 경로를 사용했다면 이전 결과를 보존하고 통제된 비교를 다시 수행해 다른 정의의 값을 섞지 않아야 합니다.

제약과 시뮬레이션을 각각 확인

v0.3은 v0.2.2의 제약 벤치마크 86개, 제약 인식 NSGA-II, UnifiedWorkflow를 이어갑니다. 후속 수정은 제약 버퍼 지연 등록, 체크포인트 복원, 제약 Pareto 프런트 자료의 배포 포함을 추가합니다. 제약 기준

MoRobtrol은 Playground/MJX, 과제별 목적과 시각화를 추가하고 관측 정규화·체크포인트를 개선합니다. 로봇 제어 비교에서는 시뮬레이터 설정과 목적 정의도 최적화기처럼 기록해야 합니다. 좋아 보이는 Pareto 집합이 과제나 지표 변경의 결과일 수 있기 때문입니다. 시뮬레이션 및 통합

작은 기준 실험으로 업그레이드

버전 설치 안내에 따라 EvoX를 먼저 설치합니다. pip install evox 다음 pip install evomo==0.3.1을 실행하고 해결된 의존성을 기록합니다. 소스 설치는 v0.3.1 태그를 고정할 수 있습니다. 패치는 문서를 추가하며 기능 변경은 v0.3.0 설명을 참고합니다.

큰 벤치마크 전에 알려진 목적 계산, 작은 선택 사례, 필요한 상태 복원을 확인합니다. 제약에서는 실행 가능성과 품질을 함께, 하이퍼볼륨에서는 같은 참조점과 샘플링을 유지합니다. GPU 다목적 연구 소개는 텐서화의 의미를 설명하고 v0.3은 더 넓고 명확한 실험 기반을 제공합니다.

← 릴리스로 돌아가기맨 위로 ↑